文章主题：moss-moon-003, base model, 高质量语料, 自监督预训练
IT之家 4 月 21 日消息，复旦大学自然语言处理实验室开发的新版 MOSS 模型今日正式上线，成为国内首个插件增强的开源对话语言模型。
目前，MOSS 模型已上线开源，相关代码、数据、模型参数已在 Github 和 Hugging Face 等平台开放，供科研人员下载。
据介绍，MOSS 是一个支持中英双语和多种插件的开源对话语言模型，moss-moon 系列模型具有 160 亿参数，在 FP16 精度下可在单张 A100 / A800 或两张 3090 显卡运行，在 INT4/8 精度下可在单张 3090 显卡运行。MOSS 基座语言模型在约七千亿中英文以及代码单词上预训练得到，后续经过对话指令微调、插件增强学习和人类偏好训练具备多轮对话能力及使用多种插件的能力。
MOSS 来自复旦大学自然语言处理实验室的邱锡鹏教授团队，名字与《流浪地球》电影中的 AI 同名，已发布至公开平台（https://moss.fastnlp.top/），邀请公众参与内测。
IT之家查看 MOSS 的 GitHub 页面发现，该项目所含代码采用 Apache 2.0 协议，数据采用 CC BY-NC 4.0 协议，模型权重采用 GNU AGPL 3.0 协议。如需将该项目所含模型用于商业用途或公开部署，需要签署文件并发送至 robot@fudan.edu.cn 取得授权，商用情况仅用于记录，不会收取任何费用。
MOSS 用例：
▲ 解方程▲ 生成图片▲ 无害性测试模型
在本研究中，我们针对MOSS-003基座模型进行了深入探讨。该模型通过在大量高质量的中英文语料上进行自监督预训练，从而实现了无需人工标注即可自行学习语言知识的目标。预训练语料库中包含了约700B词汇，而计算量则达到了惊人的6.67×1022次浮点数运算。这一结果充分展示了MOSS-003基座模型强大的学习能力和高效的训练效果。
moss-moon-003-sft: 基座模型在约 110 万多轮对话数据上微调得到，具有指令遵循能力、多轮对话能力、规避有害请求能力。
在对大量多轮对话数据（约110万轮）以及30万插件增强的多轮对话数据进行微调之后，MOSS-MOON-003-SFT插件得以完善。基于此，该插件不仅继承了MOSS-MOON-003-SFT的基本功能，还增加了使用搜索引擎、文生图、计算器和解方程等四种插件的 capability。
本文将介绍一种基于MOSS-MOON-003-SFT收集的偏好反馈数据训练得到的偏好模型,该模型将在近期开源。
基于moss-moon-003-sft模型，通过偏好模型moss-moon-003-pm进行训练，最终获得的模型在事实性、安全性及回复质量方面表现更为优异。此模型预计将在不久的将来正式开源，为我国人工智能领域的发展做出重要贡献。
moss-moon-003-plugin是一款基于moss-moon-003-sft-plugin的深度学习模型,通过运用偏好的训练方法moss-moon-003-pm进行优化,实现了更高的语义理解和插件应用能力。该 plugin 将在不久的将来开放源代码。
数据
MOSS-002所采用的多轮对话数据涵盖了有价值性、准确性和安全性三个层次。其中，包含了 approximately 570,000 条由 Text-Davinci-003 生成的英文对话以及 590,000 条中文对话。
moss-003-sft-data:
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
